arXiv · Audio and Speech· Massa Baali, Sarthak Bisht, Ziyue Qiu, Joseph Konan, Rita Singh, Bhiksha Raj·· 16 小时前AI 评分36
CoLMbo-SV：可解释说话人验证的接地语言模型
CoLMbo-SV: A Grounded Language Model for Explainable Speaker Verification
AI 导读
CoLMbo-SV 将预训练说话人编码器接入语言模型并输入显式声学测量，在生成结构化声学比较报告的同时保持强说话人判别能力。配套数据集 VoxReason 提供带实测声学属性与比较报告的配对录音；在 VoxCeleb1-O 上取得 0.99% EER，相对最强音频语言基线降低约 80% 验证错误，数值接地得分 0.82。
来源：arXiv · Audio and Speech · arxiv.org